文章 "交易中的神经网络：时间序列查询模型（结论）" 新评论 MetaQuotes 2026.11.03 14:51 新文章 交易中的神经网络：时间序列查询模型（结论）已发布： 我们很高兴为大家带来TQNet框架开发与测试的最终阶段，将理论落实到真实交易场景中。我们将从历史样本训练转入基于近期市场数据的压力测试，以此评估模型的稳健性与预测精度。最终结果不只是枯燥的统计指标，更是对这套方案实际价值的直观证明。 第一阶段为离线训练，我们采用2024全年H1周期EURUSD品种的历史数据开展充分训练。该年份覆盖了丰富的市场状态 —— 平稳震荡行情、持续性趋势、波动率突然飙升以及高噪声时段，非常适合作为模型的训练场。 第二阶段为在线微调。训练环境尽量贴近实盘交易：在MetaTrader 5策略测试器中，模型按顺序逐根处理K线数据流，和实盘时序保持一致。在线模式下可以暴露出批量训练看不到的特性：抗噪声能力、对流动性变化的响应能力，以及正确处理延迟与端到端滑点影响的能力。微调过程中我们模拟真实成交条件，保证模型迁移到实盘时行为可预期。 最后，也可能是最严苛的一环：在完全样本外的数据上测试，采用 2025年1月至3月的行情报价。模型全部参数与超参数冻结，不会基于该数据集做任何额外调参。这种验证方式能够客观评估实际效果，检验算法在全新市场环境下能否维持稳定、具备稳健性。 测试结果如下所示。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 交易中的神经网络：时间序列查询模型（结论）已发布：
第一阶段为离线训练，我们采用2024全年H1周期EURUSD品种的历史数据开展充分训练。该年份覆盖了丰富的市场状态 —— 平稳震荡行情、持续性趋势、波动率突然飙升以及高噪声时段，非常适合作为模型的训练场。
第二阶段为在线微调。训练环境尽量贴近实盘交易：在MetaTrader 5策略测试器中，模型按顺序逐根处理K线数据流，和实盘时序保持一致。在线模式下可以暴露出批量训练看不到的特性：抗噪声能力、对流动性变化的响应能力，以及正确处理延迟与端到端滑点影响的能力。微调过程中我们模拟真实成交条件，保证模型迁移到实盘时行为可预期。
最后，也可能是最严苛的一环：在完全样本外的数据上测试，采用 2025年1月至3月的行情报价。模型全部参数与超参数冻结，不会基于该数据集做任何额外调参。这种验证方式能够客观评估实际效果，检验算法在全新市场环境下能否维持稳定、具备稳健性。
测试结果如下所示。
作者：Dmitriy Gizlyk